基于随机网络的在线评论情绪倾向性分类

摘要：

提出了一种基于随机网络的在线评论情绪倾向性分类模型SCP-X(Shortest covering path-X).首先引入了一种增量式创建词语顺序共现随机网络的方法,并基于此随机网络以及情绪词表,提出了一种基于评论序列最短覆盖路径(Shortest covering path,SCP)的情绪倾向性分类方法.该方法具有以下两个优点:1)能够对相对短小、随意性较强、完整性较差的评论文本展开词语联想,从向对完整性较差的评论数据进行属性值扩展;2)能够对评论文本的冗余属性进行约简,约简后数据的属性规模为一般VSM模型的10%左右.奉文最后设计了一组实验,对以下算法进行了对比测试:TC,SVM,SCP-TC,SCP-SVM,SCP-HMM,SCP-Bayes.结果表明本文提出的SCP-X方法对在线评论文本的倾向性分类效果更佳.

关键词：在线评论、随机网络、最短路径、属性约简、情绪倾向性

所属期刊栏目：36

分类号：TP2(自动化技术及设备)

资助基金：国家高技术研究发展计划863计划2007AA01Z475;2007AA01Z464;国家自然科学基金60774086;教育部博士点基金20090201110027

在线出版日期：2010-11-19（万方平台首次上网日期，不代表论文的发表时间）

页码：837-844